发明名称 一种基于地理约束的稀疏天线阵列的优化布阵方法
摘要 该发明公开了一种基于地理约束的稀疏天线阵列的优化布阵方法,属于天线技术领域,特别涉及稀疏天线布阵的优化技术。发明基于在给定的布阵范围内,考虑到实际环境中由于地理约束的限制,使得在布阵的某些范围区域内无法放置阵元,提供的方法在地理约束的限制下,阵元的位置按照某种规则稀疏非等间距摆放,具有实际的工程应用价值;此外,在新的设计准则下,本发明只需的少量的阵元数,就能达到相同的空间分辨率且能消除栅瓣,并且在天线的所有扫描角度的方向图上都能实现较低的峰值旁瓣电平PSL。
申请公布号 CN105406203A 申请公布日期 2016.03.16
申请号 CN201510770122.3 申请日期 2015.11.12
申请人 电子科技大学 发明人 崔国龙;余显祥;高尚伟;杨诗倩;孔令讲;杨晓波;易伟;张天贤
分类号 H01Q21/00(2006.01)I 主分类号 H01Q21/00(2006.01)I
代理机构 电子科技大学专利中心 51203 代理人 张杨
主权项 一种基于地理约束的稀疏天线阵列的优化布阵方法,包括以下步骤;步骤1:假设在天线阵列的布阵范围为[0,D]布置了N个阵元,位置分别为d<sub>0</sub>,d<sub>1</sub>,…,d<sub>N‑1</sub>,其中,d<sub>0</sub>=0,d<sub>N‑1</sub>=D,各个天线阵元各向同性,天线系统工作波段为λ;此外,假设该天线阵列的扫描角度区域为[φ<sub>0</sub>,φ<sub>1</sub>],并以步长△θ等分该扫描角度区域得到L个角度分别为θ<sub>1</sub>,θ<sub>2</sub>,…,θ<sub>L</sub>,以主瓣在所有扫描角度上的方向图的峰值旁瓣电平PSL之和构造适应度函数fitness(d<sub>0</sub>,d<sub>1</sub>,…,d<sub>N‑1</sub>),表示为<img file="dest_path_FDA0000906813610000011.GIF" wi="1293" he="134" />其中,<img file="dest_path_FDA0000906813610000012.GIF" wi="73" he="76" />表示排除主瓣在θ<sub>l</sub>的旁瓣区域,<img file="dest_path_FDA0000906813610000013.GIF" wi="187" he="87" />表示排除主瓣区域后的方向图旁瓣电平,∑(·)表示求和运算符,max(·)求取最大值的运算符;步骤2:由于上述适应度函数是阵元位置的非线性函数,采用粒子群算法,由于在布阵范围内存在地理约束,以及最小间隔约束,因此首先对位置进行预先处理,具体步骤如下;步骤2‑1:假设在布阵范围为[0,D]范围内(D<sub>1</sub>,D<sub>2</sub>)有地理约束的限制,无法放置阵元,因此,布阵的范围为[0,D<sub>1</sub>]∪[D<sub>2</sub>,D];此外,考虑到阵元之间的互耦影响,设置阵元的最小阵元间距d<sub>n</sub>‑d<sub>n‑1</sub>≥△d,其中,△d表示最小间距,n=1,2,N‑1;步骤2‑2:在(0,D‑(D<sub>2</sub>‑D<sub>1</sub>)‑(N‑1)△d]随机均匀产生一组位置向量<img file="dest_path_FDA0000906813610000014.GIF" wi="487" he="102" />其中[·]<sup>T</sup>表示求转置运算符,<img file="dest_path_FDA0000906813610000015.GIF" wi="62" he="71" />表示向量d<sup>0</sup>的第n维的值,n=1,2,…,N‑2;步骤2‑3:通过下面公式对d<sup>0</sup>加入最小间距约束,<img file="dest_path_FDA0000906813610000016.GIF" wi="1548" he="102" />其中,<img file="dest_path_FDA0000906813610000017.GIF" wi="662" he="79" />同时令<img file="dest_path_FDA0000906813610000018.GIF" wi="581" he="79" />步骤2‑4:令向量<img file="dest_path_FDA0000906813610000019.GIF" wi="471" he="102" />并把该向量分成两部分为,<img file="dest_path_FDA00009068136100000110.GIF" wi="300" he="102" />其中,<img file="dest_path_FDA00009068136100000111.GIF" wi="1348" he="100" /><img file="dest_path_FDA00009068136100000112.GIF" wi="1406" he="175" />步骤2‑5:加入地理约束可得初始化的阵元位置为<img file="dest_path_FDA0000906813610000021.GIF" wi="1476" he="102" />步骤3:采用粒子群算法进行优化,迭代次数I,粒子个数M,初始化i=1,对每一个粒子采用步骤2‑2进行位置初始化得到<img file="dest_path_FDA0000906813610000022.GIF" wi="126" he="85" />以及相应的速度<img file="dest_path_FDA0000906813610000023.GIF" wi="421" he="79" />其中,<img file="dest_path_FDA0000906813610000024.GIF" wi="1128" he="110" />均是1行N‑2列的矩阵,<img file="dest_path_FDA0000906813610000025.GIF" wi="86" he="85" />表示向量<img file="dest_path_FDA0000906813610000026.GIF" wi="75" he="87" />的第n维值,<img file="dest_path_FDA0000906813610000027.GIF" wi="83" he="85" />表示向量<img file="dest_path_FDA0000906813610000028.GIF" wi="71" he="79" />的第n维值,n=1,2,…,N‑2;步骤4:运用步骤2中的2‑3、2‑4、2‑5对每个粒子加入地理约束以及最小间距约束得到,<img file="dest_path_FDA0000906813610000029.GIF" wi="406" he="79" />其中,<img file="dest_path_FDA00009068136100000210.GIF" wi="571" he="110" />是1行N列的矩阵,<img file="dest_path_FDA00009068136100000211.GIF" wi="92" he="85" />表示向量<img file="dest_path_FDA00009068136100000212.GIF" wi="79" he="86" />的第n维值,n=0,2,…,N‑1;步骤5:将步骤4得到的位置代入步骤1的公式(0.1)初始化第m个粒子的适应度值<img file="dest_path_FDA00009068136100000213.GIF" wi="669" he="87" />以及第m个粒子的自身最好的位置<img file="dest_path_FDA00009068136100000214.GIF" wi="637" he="87" />步骤6:在<img file="dest_path_FDA00009068136100000215.GIF" wi="639" he="79" />中找出第i次迭代的全局最小的适应度值gbest_fitness<sup>(i)</sup>,以及相应的全局最好粒子的位置gbest<sup>(i)</sup>;步骤7:进行第i+1次迭代,通过以下公式对第i+1次的粒子位置的进行更新<img file="dest_path_FDA00009068136100000216.GIF" wi="1558" he="103" /><img file="dest_path_FDA00009068136100000217.GIF" wi="1214" he="102" /><img file="dest_path_FDA00009068136100000218.GIF" wi="1054" he="87" />如果<img file="dest_path_FDA00009068136100000219.GIF" wi="710" he="86" />则<img file="dest_path_FDA00009068136100000220.GIF" wi="1637" he="87" />如果<img file="dest_path_FDA00009068136100000221.GIF" wi="205" he="86" />则<img file="dest_path_FDA00009068136100000222.GIF" wi="1349" he="93" />其中,<img file="dest_path_FDA00009068136100000223.GIF" wi="84" he="76" />表示第i次迭代的第m个粒子速度向量<img file="dest_path_FDA00009068136100000224.GIF" wi="70" he="78" />的第n维的值,<img file="dest_path_FDA00009068136100000225.GIF" wi="173" he="85" />表示第i次迭代的第m个粒子的自身最好的粒子<img file="dest_path_FDA00009068136100000226.GIF" wi="166" he="79" />的第n维的值,<img file="dest_path_FDA00009068136100000227.GIF" wi="160" he="87" />表示第i次迭代的全局最好的粒子gbest<sup>(i)</sup>的第n维的值,c<sub>1</sub>、c<sub>2</sub>为设定的固定数值,<img file="dest_path_FDA00009068136100000228.GIF" wi="259" he="87" />均为(0,1)之间随机均匀分布的数,<img file="dest_path_FDA00009068136100000229.GIF" wi="238" he="79" /><img file="dest_path_FDA00009068136100000230.GIF" wi="598" he="79" />此外,w(i)为<img file="dest_path_FDA00009068136100000231.GIF" wi="43" he="127" />的一次线性函数;步骤8:将得到的粒子位置返回步骤10进行循环迭代,直到满足i=I停止,获得gbest<sup>*</sup>并按照步骤2中的2‑3、2‑4、2‑5加入地理约束与最小间距约束得到阵列的最优位置<img file="dest_path_FDA0000906813610000031.GIF" wi="159" he="70" />
地址 611731 四川省成都市高新区(西区)西源大道2006号